Basic Search / Detailed Display

Author: 羅濟揚
Thesis Title: 植基於模糊預測模型之自動對焦演算法
Auto-Focus Searching Algorithm Based on Fuzzy Prediction-Method
Advisor: 洪欽銘
Degree: 碩士
Master
Department: 機電工程學系
Department of Mechatronic Engineering
Thesis Publication Year: 2005
Academic Year: 93
Language: 中文
Number of pages: 57
Keywords (in Chinese): 自動對焦模糊規則離散差分方程 預測模型
Keywords (in English): Auto-focus, Fuzzy rule, Discrete differential equation prediction model
Thesis Type: Academic thesis/ dissertation
Reference times: Clicks: 381Downloads: 0
Share:
School Collection Retrieve National Library Collection Retrieve Error Report
  • 數位相機,本身是一個複雜的系統,含有許多的模組,如自動對焦、自動曝光、資料傳輸、影像處理、等等,其中自動對焦演算法在使用上的先決條件為即時性,而一般的搜尋法,在目前的百萬像素級的搜尋時間過於冗長,針對此問題提出本研究結合預測的方法,來改善此一問題。
    本研究針對自動對焦上的問題,提出一個可以改善自動對焦速度及提高自動對焦可靠度的演算法,而演算法利用離線差分方程預測模型之優越的預測特性,可預測轉折點之效果與以少數的取樣點即可獲得預測曲線的趨勢,再利用模糊推論的方法,將離散差分方程預測模型的預測結果,作為推論的依據,進而可以決定步距的大小,大幅降低對焦所需的時間及減少取樣的點數。
    在本研究中,我們提出模糊離散差分方程預測模型進行數位相機的離線測試與機上測試,其結果均能精準的預測對焦曲線的趨勢與最佳對焦點之區間。

    Digital camera is a complex system. There are many modules included in a digital camera system, such as auto-focus, auto-exposure, data transmission, image process, and so on. Real time searching is the most important prerequisite of auto-focusing algorithm. To overcome this problem, we propose a novel method that combines with prediction.
    This paper proposed an approach of auto-focusing algorithm, which can improve the velocity of the auto-focus, and it can make the auto-focus more reliable. We chosed Discrete differential equation prediction model (DDEPM) as prediction method for the turning point. By the experimental results, it can be found that the model has a better prediction result in the turning point, and it can improve the auto-focusing velocity. Utilizing the result of Discrete differential equation prediction model (DDEPM) as Fuzzy inference input variables, and we can use the fuzzy output to detemine the sapn.The method can reduce the time which camera focuses and captures a clear image and it can decrease the sampling.
    We use this method to on-line and off-line test in camera. The results of testing show that the Fuzzy DDEPM can predict the Focus curve tendency and the appropriate focus region.

    中文摘要 ……………………………………………………………………I 英文摘要 ……………………………………………………………………II 總目錄………………………………………………………………………III 圖目錄 ………………………………………………………………………VI 表目錄………………………………………………………………………VIII 第一章 緒論 …………………………………………………………………1 1.1 研究動機 …………………………………………………………………1 1.2 研究方法 …………………………………………………………………2 1.3 研究步驟 …………………………………………………………………2 第二章 動對焦理論 …………………………………………………………4 2.1 對焦原理 …………………………………………………………………4 2.2 相機鏡頭參數與對焦深度關係 …………………………………………5 2.2.1景深的意義 ………………………………………………………5 2.2.2景深的計算 ………………………………………………………9 2.3自動對焦系統架構………………………………………………………10 2.4 相關的自動對焦搜尋演算法……………………………………………12 2.4.1全域搜尋法 ………………………………………………………12 2.4.2二分搜尋法 ………………………………………………………12 2.4.3 Fibonacci搜尋法…………………………………………………13 2.4.4黃金切割法 ………………………………………………………13 第三章 離散差分方程預測模型之方法 …………………………………14 3.1灰色預測…………………………………………………………………14 3.2離散差分方程預測模型…………………………………………………18 3.3 灰色預測與離散差分方程預測之模型比較……………………………23 第四章 模糊控制理論 ……………………………………………………25 4.1模糊控制之理論背景……………………………………………………25 4.2模糊集合的定義與操作…………………………………………………25 4.2.1歸屬度 ……………………………………………………………25 4.2.2歸屬函數表示法 …………………………………………………26 4.3 模糊集合運算……………………………………………………………28 4.3.1 模糊交集 …………………………………………………………28 4.3.2 模糊聯集 ………………………………………………………28 4.3.3 模糊補集 …………………………………………………………27 4.3.4 模糊基本運算 …………………………………………………29 4.4 模糊推論 ………………………………………………………………29 4.4.1 Mamdani模糊推論法 ……………………………………………32 第五章 模糊推論之離散差分方程預測模型設計 ………………………34 5.1固定預測步距之離散差分方程預測 …………………………………34 5.2植基於模糊推論之離散差分方程預測模型設計的理念及架構………35 5.3 模糊推論機構之設計……………………………………………………37 5.3.1控制變數之定義 …………………………………………………37 5.3.2模糊集合的選擇及定義 …………………………………………37 5.3.3模糊推論規則之建立 ……………………………………………38 5.4 模糊離散差分方程預測模型之演算法…………………………………42 第六章 自動對焦系統模擬與實驗 ………………………………………44 6.1自動對焦系統離線模擬…………………………………………………44 6.2自動對焦實驗與結果 ……………………………………………………50 第七章 結論 ………………………………………………………………56 7.1 研究結論 ………………………………………………………………56 7.2 未來研究 ………………………………………………………………56 參考文獻 ……………………………………………………………………57 圖目錄 圖 1-1 研究步驟流程圖………………………………………………………3 圖 2-1 對焦原理示意圖 ……………………………………………………4 圖 2-2 成像平面示意圖 ……………………………………………………5 圖 2-3 光圈對透鏡成像的影響………………………………………………6 圖 2-4 光圈越大則失焦的物體成像越模糊…………………………………7 圖 2-5 距對焦深度越遠的物體的成像越模糊………………………………7 圖 2-6 [Zmin,Zmax]為焦距f 對焦深度Z所關聯的成像景深 ……………8 圖 2-7自動對焦系統架構 …………………………………………………10 圖 2-8 Focus Value 與鏡頭位置的曲線圖(Focus Curve)……………11 圖 3-1灰色預測的建模過程 ………………………………………………16 圖 3-2離散差分方程預測模型DDEPM(2,1)建模流……………………19 圖 3-3 GM(1,1)對於時間序列 的預測結果……23 圖 3-4 DDEPM(2,1)對於時間序列 的預測結果 …………………………………………………………………………….24 圖4-1 各種不同形狀的歸屬函數 …………………………………………26 圖4-2 模糊推論架構圖 ……………………………………………………31 圖4-3 Mamdani模糊推論法示意圖 ………………………………………32 圖5-1 傳統固定預測離散差分方程之基本架構 …………………………34 圖5-2 模糊離散差分方程預測模型自動對焦之基本架構………………35 圖5-3 輸入變數整體幅度之歸屬函數……………………………………37 圖5-4 輸入變數區間幅度之歸屬函數……………………………………37 圖5-5 輸出變數決定步距之歸屬函數……………………………………38 圖5-6 自動對焦曲線的示意圖 …………………………………………38 圖5-7 對焦曲線其對焦位置位於平坦區預測步距之示意圖 …………39 圖5-8 對焦曲線其對焦位置位於平坦區與上昇區域間預測步距之示意圖 ………………………………………………………………………40 圖5-9 對焦曲線其對焦位置位於上昇區域間預測步距之示意圖….….…40 圖5-10 模糊離散方程模型預測自動對焦演算法 ……………………42 圖6-1 自動對焦離線測試對焦曲線(一)(起始點40,最佳點83)44 圖6-2 自動對焦離線測試對焦曲線(一)(起始點45,最佳點83)45 圖6.4 自動對焦離線測試對焦曲線(一)(起始點60,最佳點83)46 圖6.5 自動對焦離線測試對焦曲線(二)(起始點40,最佳點87)46 圖6-6 自動對焦離線測試對焦曲線(二)(起始點45,最佳點82)47 圖6-7 自動對焦離線測試對焦曲線(二)(起始點54,最佳點87)47 圖6-8 真實拍攝對焦曲線(一)…………………………………………51 圖6-9 以模糊離散差分方程預測對焦曲線(一)………………………51 圖6-10 真實拍攝對焦曲線(二)…………………………………………52 圖6-11以模糊離散差分方程預測對焦曲線(二)………………………52 圖6-12 真實拍攝對焦曲線(三)…………………………………………53 圖6-13 以模糊離散差分方程預測對焦曲線(三)………………………53 圖6-14 真實拍攝對焦曲線(四)…………………………………………54 圖6-15 以模糊離散差分方程預測對焦曲線(四)………………………54 表目錄 表5-1 預測步距之規則庫 …………………………………………………41 表6-1模糊離散方程模型預測自動對焦離線設計-對焦曲線(一) …48 表6-2 各真實拍攝對焦曲線的性能 ………………………………………50

    參考文獻
    [1] Krotkov, E,”Focusing”,Int.J.Comput.Vis.,pp223-237,Jan,1987.
    [2] Ligthart.G.,and Groen,F.”A comparison of different autofcous algorithms “.Proc.Int.conf.on Pattern Recognition,1982,pp.597-600
    [3] Chih-Ming Chen, Chin-Ming Hong and Yu-Rong Hsieh, “A Modeling
    Technique of Grey Prediction Model Using Discrete Difference
    Equation,” The Journal of Grey System, vol.12, no.1, pp.65-72, 2000.
    [4] Chih-Ming Chen and Hahn-Ming Lee, “An Efficient Gradient
    Forecasting Search Method Utilizing the Discrete Difference Equation
    Prediction Model,” Applied Intelligence, vol. 16, no. 1, pp. 43-58, 2002.
    [5] L.A. Zadeh,“Fuzzy sets”, Inf. Control 8, pp.338-353, 1965.
    [6] 耿繼業,”幾何光學”全華科技圖書,中華民國九十年九月
    [7] Subbarao M., Tyan J.K., “The Optimal Focus Measure for Passive
    Auto-focusing and Depth-from-Focus”, Proceedings of the SPIE
    Conference on Videometrics IV, vol.2598, pp.89-99, Philadelphia,
    Oct. 1995.
    [8] 趙仁孝,建立全對焦影像與各景深場景還原技術,國立交通大學資訊工程系碩士論文,中華民國九十二年六月
    [9] Nayar S.K. Nakagawa Y., “Shape from Focus,” Proceedings of the IEEE
    Transactions on Pattern Analysis and Machine Intelligence, vol. 4, no. 8,
    pp.824-831, Aug 1994.
    [10] Schlag,J.Sanderson,A.,Neuman,C.,and Wimberly,F.:’Implementation of
    automatic focus algorithms for a computer vision system with camera control‘.CMU-RI-TR-83-14,RoboticsInstitute,Carnegie Mellon University.
    [11] Widjaja J., Jutamulia S. “Wavelet Transform-Based Auto-focus
    Camera Systems,” Proceedings of the IEEE Asia-Pacific Conference
    On Circuits and Systems, pp.49-51, 1998.
    [12] 黃嘉慶,高速被動式自動對焦技術,元智大學機械工程學系碩士論
    文中華民國九十一年六月。
    [13] Kesseler W., Fischer J. “Analytical Model of Autofocus Systems with CCD Camera” Proceedings of the International Society of Optical Engineering, International Conference on Sensors, Camera Systems for Scientific, Industrial and Digital Photography Applications, vol.3965, pp.396-380, May 2000.
    [14] Ng Kuang Chern, N., Poo Aun Neow, and Ang, M.H., Jr., “Practical
    Issues in Pixel-Based Autofocusing for Machine Vision,” Proceedings of
    the IEEE International Conference on Robotics and Automation, vol.3,
    pp.2791-2796, 2001.
    [15] Baina J., Dublet J. “Automatic Focus and Iris Control for Video
    Cameras” Fifth International Conference on Image Processing and its
    Applications, pp.232-235, 1995.
    [16] Scientific Computation WS 2001/2002 (http://linneus20.ethz.ch:8080/index.html)
    [17] J. L. Deng, “Control Problems of Grey System,” Systems & Control
    Letters, vol. 1, pp. 288-294, 1982.
    [18] J. L. Deng, “Introduction to Grey System Theory,” The Journal of Grey
    System, vol. 1, pp. 1-24, 1989.
    [19] W. T. Miller, F. H. Glanz and L. G. Kraft, “Application of a General Learning Algorithm to the Control of Robotic Manipulators,” The International Journal of Robotics Research, Vol.6, No.2, pp.84-98,, 1987.
    [20] 劉德順,“PID型模糊邏輯控制器之設計與解析”,國立清華大學動力
    機械工程學系碩士班論文,1998。
    [21] 王文俊,“認識Fuzzy-第二版”,全華科技圖書股份有限公司,2001。

    無法下載圖示 This full text is not authorized to be published.
    QR CODE